在回归问题和一些机器学习算法中，以及训练神经网络的过程中，通常需要对原始数据进行中心化（Zero-centered或者Mean-subtraction）处理和标准化（Standardization或Normalization）处理。目的：通过中心化和标准化处理，得到均值为0，标准差为1的服从标准正态分布的数据。
计算过程由下式表示：
image.png
其实，在不同的问题中，中心化和标准化有着不同的意义，
比如在训练神经网络的过程中，通过将数据标准化，能够加速权重参数的收敛。
另外，对于主成分分析（PCA）问题，也需要对数据进行中心化和标准化等预处理步骤。
对数据进行中心化预处理，这样做的目的是要增加基向量的正交性。
对数据标准化的目的是消除特征之间的差异性。便于对一心一意学习权重。
本文引用自：https://www.zhihu.com/question/37069477/answer/132387124
在回归问题和一些机器学习算法中，以及训练神经网络的过程中，通常需要对原始数据进行中心化（Zero-centered...
1. 什么是数据标准化，为什么要进行数据标准化？ 我认为这个问题需要重视。数据标准化是预处理步骤，将数据标准化到一...
什么是数据标准化（归一化） 数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲...
88902 算法 数据标准化。最大最小值标准化 k-means 进行数据离散处理 74971 算法 Fuzzy c...
一、数据预处理：数值型特征无量纲化 1.数据标准化（Standardization） 标准化的前提是特征值服从正态...
1. 为什么要做特征归一化/标准化？ 数据预处理中，通常会用到特征归一化，为什么要做归一化呢？一般有两点： 消除特...
中心化、标准化、归一化 图.左边是原始数据的分布情况、中间是经过中心化的分布情况、右边是经过标准化后的情况。图片来...
数据的标准化（normalization）和归一化 数据的标准化（normalization） 将数据按比例缩放，...
目录 1 特征工程是什么？2 数据预处理2.1 无量纲化2.1.1 标准化2.1.2 区间缩放法2.1.3 标准化...
目录 1 特征工程是什么？2 数据预处理2.1 无量纲化2.1.1 标准化2.1.2 区间缩放法2.1.3 标准化...
本文标题：数据什么时候需要做中心化和标准化处理？
本文链接：https://www.haomeiwen.com/subject/dywsjxtx.html
网友评论